Fallos por categoría de AI BENCHY
Seguimiento de instrucciones: Respuesta incorrecta
Seguimiento de instrucciones
Respuesta incorrecta
Mira qué modelos de IA tienen más probabilidades de caer en Respuesta incorrecta dentro de Seguimiento de instrucciones, para detectar puntos débiles más rápido.
Motivos de fallo
| Rango | Modelo | Empresa | Cantidad de Respuesta incorrecta | Puntuación de categoría | Pruebas correctas | Tiempo de respuesta (promedio) |
|---|---|---|---|---|---|---|
| #115 | Qwen3.5-27B none | Qwen | 1 | 6.3 | 1/2 | 1.03s |
| #116 | Hunter Alpha none | OpenRouter | 1 | 6.4 | 1/2 | 2.82s |
| #117 | Qwen3.5-35B-A3B none | Qwen | 1 | 6.3 | 1/2 | 809ms |
| #118 | Qwen3.6 27B none | Qwen | 1 | 6.2 | 1/2 | 1.92s |
| #120 | Mimo V2 PRO none | Xiaomi | 1 | 6.5 | 1/2 | 2.51s |
| #121 | Owl Alpha none | Openrouter | 1 | 6.4 | 1/2 | 2.63s |
| #122 | GLM 4.7 Flash none | Z.ai | 1 | 6.5 | 1/2 | 888ms |
| #123 | MiMo-V2.5-Pro none | Xiaomi | 1 | 6.4 | 1/2 | 1.03s |
| #124 | Kimi K2.6 none | Moonshot AI | 1 | 6.5 | 1/2 | 1.64s |
| #125 | GPT-5.4 none | OpenAI | 1 | 6.5 | 1/2 | 1.07s |
| #127 | Grok 4.20 none | X AI | 1 | 6.3 | 1/2 | 445ms |
| #128 | Qwen3.6 Flash none | Qwen | 1 | 6.3 | 1/2 | 1.10s |
| #130 | MiniMax M2.7 medium | Minimax | 1 | 3.8 | 0/2 | 12.8s |
| #131 | Qwen3.5-122B-A10B none | Qwen | 1 | 6.3 | 1/2 | 513ms |
| #132 | Mistral Small 4 medium | Mistral | 1 | 7.3 | 1/2 | 1.38s |